2024年诺贝尔化学奖
瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予David Baker，以表彰其在计算蛋白质设计方面的贡献，另一半则共同授予Demis Hassabis和John M. Jumper，以表彰其在蛋白质结构预测方面的贡献。近年我国距离最近的是谁
有哪些是我国的女婿？ 哈萨比斯早就享誉国际科技圈。出生于1976年，在伦敦长大，母亲是新加坡华人。4岁开始下国际象棋，有“国际象棋神童”的美誉，8岁自学编程，13岁时达到了大师标准。本科以计算机科学双一的成绩毕业于剑桥大学，后来在伦敦大学学院完成了认知神经科学博士学位，又在MIT和哈佛攻读博士后。2010年，他与在伦敦大学学院读博士遇到的施恩·莱格(Shane Legg)共同创办了DeepMind并担任CEO。2014年，DeepMind被Google收购，在Alphabet旗下独立运营。2023年，DeepMind与“谷歌大脑”合并，Hassabis升任合并后的Google DeepMind团队CEO。 约翰·乔普（John Jumper） 打开网易新闻 查看精彩图片DeepMind Technologies高级研究科学家，AlphaFold的第一作者。他在芝加哥大学获得博士学位，主要研究方向是使用ML来模拟蛋白质折叠和动力学。2021年，他被Nature列为年度榜单中的十大“重要人物”之一。 戴维·贝克（David Baker） 打开网易新闻 查看精彩图片1962年出生于美国华盛顿州西雅图，现为华盛顿大学蛋白质设计研究所所长。他因开发从头设计自然界从未出现的新型蛋白的技术，获得2020年科学突破奖生命科学奖，并首次使用生成式人工智能从头设计出了全新的抗体，有望让AI从头设计蛋白进入抗体药物市场。他还堪称蛋白质设计领域“鼻祖级”人物，比DeepMind更早提出了预测和设计蛋白质三维结构的方法，甚至设计出了一款比AlphaFold更早的蛋白结构设计算法——RoseTTAFold。 为什么是蛋白折叠？作为支撑人体基本生命活动的物质，蛋白质由20种氨基酸呈念珠状连接形成三维形状，而形状本身决定了蛋白质的功能，所以研究蛋白质形状一直是医学领域的热门方向。在 AlphaFold 出现之前，这都需要通过实验来完成的。让蛋白质结晶是件非常困难的事情，有些蛋白质不能像膜蛋白那样结晶，必须使用昂贵的电子显微镜或X射线晶体分析仪，耗费数月、甚至几年，才能得到三维结构并将其结构可视化。无数博士都在研究单一蛋白质的折叠。而AlphaFold2 能够直接从蛋白质的氨基酸序列中预测蛋白质的3D结构，并且达到原子级精度，被认为解决了困扰人类50年历史的蛋白质折叠挑战，迅速推进了人类对基本生物过程的理解，并促进药物设计。2018年，DeepMind官宣了旗下AlphaFold。初亮相时，它在第13届“蛋白质结构预测奥运会”CASP比赛中，成功预测了43种蛋白质中25种蛋白质的最准确结构，力压其他97个参赛者。DeepMind发布的一个蛋白质3D数字演示图 打开网易新闻 查看精彩图片A DeepMind model of a protein from the Legionnaire's disease bacteria (Casp-14)（军团病细菌(Casp-14)蛋白质的DeepMind模型） 打开网易新闻 查看精彩图片基于初代版本，2020年，DeepMind又祭出了AlphaFold2。它能够在广泛领域进行蛋白质结构的预测，已经将两亿多蛋白的三维结构全部都预测出来，在结构生物学中是最重要的里程碑的贡献，对后续蛋白质结构及功能研究具有开创性意义。该系统还在应用层面，特别是对生物制药的促进作用巨大。了解蛋白质的三维结构，对于设计针对性的药物分子也大有帮助。如今全球已有数百万研究人员将AlphaFold 2 应用在疟疾疫苗、癌症治疗和酶设计等领域，有了不少新的发现。之后的AlphaFold-Multimer 则推动了对蛋白质-蛋白质复合物的预测。今年5月，由 Google DeepMind 和 Isomorphic Labs 研究团队推出的新一代 AlphaFold—— AlphaFold 3登上了 Nature。据介绍，AlphaFold 3 以前所未有的精确度成功预测了所有生命分子（蛋白质、DNA、RNA、配体等）的结构和相互作用。与现有的预测方法相比，AlphaFold 3 发现蛋白质与其他分子类型的相互作用至少提高了 50%，对于一些重要的相互作用类别，预测准确率甚至提高了一倍。研究团队认为，AlphaFold 3 可以将我们从蛋白质带入广泛的生物分子领域，这一飞跃有望开启更具变革性的科学——从开发生物可再生材料和更具抗逆性的作物，到加速药物设计和基因组学研究，进而开启人工智能细胞生物学的新时代。 人工智能掀起生物医学革命AlphaFold 3 具备了药物设计的能力，可以预测药物中常用的分子（如配体和抗体），这些分子可与蛋白质结合，改变蛋白质在人类健康和疾病中的相互作用方式。在预测类似药物相互作用（包括蛋白质与配体的结合以及抗体与靶蛋白的结合）方面，AlphaFold 3 达到了前所未有的准确性。为了利用 AlphaFold 3 在药物设计方面的潜力，Isomorphic Labs 已经与制药公司合作，将其应用于现实世界的挑战，并最终为一些对人类造成最具破坏性影响的疾病开发出新的疗法。据了解，Isomorphic Labs 将 AlphaFold 3 与一套补充的内部人工智能模型结合，正在为内部项目以及制药合作伙伴进行药物设计。值得关注的是，Demis Hassabis 同时领导着生物技术初创公司Isomorphic Labs。它成立于 2021 年，同样由Google的母公司 Alphabet 投资，旨在将 DeepMind 在生物学方面的人工智能研究进一步带入制药行业，希望在药物发现领域带来一场 AI 革命，使用人工智能来加速药物发现，并最终找到治疗人类一些最具破坏性的疾病的方法。很长一段时间以来，Demis Hassabis 一直在想，一旦人工智能足够复杂、足够强大，他最先想做的，是帮助治疗疾病和理解生物学。从人工智能优先的角度进行药物发现，在计算机中完成大部分研究，并将实验室留给验证，是其中一个重要内容。与分子发生反应，搭建通路，最终形成一个虚拟细胞，是他的一个梦想。这样，就可以在虚拟细胞上进行大量实验，最后阶段再进入实验室来验证。就发现新药而言，目前从确定目标到拥有一个候选药物大约需要10年时间，如果能在虚拟细胞中完成大部分工作，或许可以将时间缩短一个数量级。DeepMind正与更多实验室合作，通过构建虚拟细胞进行大量实验，以大大缩短医学及药物方面的研究时间。DeepMind 已经发布了该系统的详细工作原理，并发布了源代码。AlphaFold 开源之后，影响力逐渐扩大。在该公司还与欧洲生物信息学研究所（European Bioinformatics Institute）建立了一个公共数据库，该数据库正在填充 AI 预测的新的蛋白质结构，条目几乎是科学已知的所有蛋白质。Google DeepMind 也基于AlphaFold 3 推出了免费平台AlphaFold Server，供全世界的科学家利用它进行非商业性研究，预测蛋白质如何与细胞中的其他分子相互作用。只需点击几下，生物学家就可以利用 AlphaFold 3 为由蛋白质、DNA、RNA 以及选择的配体、离子和化学修饰组成的结构进行建模。对此，Francis Crick 研究所 Uhlmann 实验室的研究科学家 Céline Bouchoux 评价道：“AlphaFold 3 一经发布，有可能像 AlphaFold 一样具有开创性。有了 AlphaFold Server，其不再仅仅是预测结构，而是慷慨地提供访问权限：允许研究人员提出大胆的问题，并加速发现。”这两年，AlphaFold成为了生物医药界的新贵，甚至获得了不少生物医药相关的科学大奖。世界各地的一些团队已经开始在抗生素耐药性、癌症和新冠病毒等研究中使用 AlphaFold。另一个重大进展是，今年3月18日，David Baker在预印本BioRxiv上发文，首次使用生成式人工智能从头设计出了全新的抗体，这一重要发现未来有望让AI从头设计蛋白进入抗体药物市场。鲜为人知的是，AlphaFold一直存在诸多竞争者，其中最为知名的莫过于华盛顿大学的David Baker团队。Baker是预测和设计蛋白质三维结构方法的开创者，早在1998年由他主导设计的蛋白结构设计算法Rosetta就有了最初版本，远远早于AlphaFold。而这两年，Baker更是致力于超越AlphaFold，为此，Baker团队曾在Science杂志上连发3篇论文，介绍新算法ProteinMPNN。他认为，ProteinMPNN之于蛋白质设计，就像AlphaFold之于蛋白质结构预测一样。“AI for Science”:AlphaFold可能是AI变革科学发现的开始虽然通常被当作游戏和围棋界的明星事物想起，谈及2010 年创办DeepMind时，Hassabis认为其只有一个目标——创造解决世界上一切问题的通用人工智能(AGI)，并将之形容为“21 世纪的阿波罗登月计划”。在读博士期间，他梦想有一天创造出“人工智能科学家”，也就是说，创造一个比人类科学家还要聪明的“机器人科学家”。十多年来，DeepMind一直是推进人工智能技术前沿发展的先锋，通常是使用游戏作为开发通用目的学习系统的试验场。Hassabis的想法是，通过AI，将科学加速到极致，并且认为自己已经发现了一种“让科学研究更有效率”的方法。在他眼中，人工智能系统正变得足够强大，可以应用于许多现实世界的问题，包括科学发现本身。他认为，有一天，人工智能系统可能会解决像广义相对论这样的问题。“癌症、气候变迁、能源、基因组学、宏观经济学、金融系统、物理学等，太多我们想掌握的系统知识正变得极其复杂,如此巨大的信息量让最聪明的人穷其一生也无法完全掌握。如何才能从如此庞大的数据量中筛选出正确的见解呢？”他认为，未来超级智能机器将与人类专家合作解决一切问题，一种通用人工智能可以自动将非结构化信息转换为可使用知识，这是一种针对任何问题的元解决方法（meta-solution）。虽然他的梦想听起来还有点遥远，在现实中，借助 AlphaFold，DeepMind 开启了新篇章。公司正投资一个名为“AI for Science”的团队，它已经发表了一系列出版物，涉及从天气预报到数学、量子化学和核聚变等领域。它们都没有 AlphaFold 的影响力，但雄心显而易见。事实上，从根本上加快科学研究的步伐，尤其对医学、气候科学和绿色技术等领域的帮助，并非Hassabis或者DeepMind单个的梦想。当前，在各个领域，应用人工智能方法分析数据、构建复杂生物现象的强大预测模型和生成模型，已然成为强大的科技创新潮流。例如，用AI识别新的抗生素、揭示希格斯玻色子，建模和分析星系形成，筛选粒子对撞机或机器人望远镜产生的大量数据、寻找其中的规律，识别具有电池或太阳能电池所需特性的材料，等等。AI变革科学发现的历程，可能真的刚刚开始。 AlphaFold竟然获得的是化学奖，不是生物奖。 11g、颜妹妹咋看？ 其中有一位是85年出生。 一公颜妹妹解析那么多蛋白质都没获奖 初生牛犊人工智能欺老诺，无惧四分数理化生归一统 如此一来，施一公没机会了；再加上去年的量子，潘也没机会了。中国诺奖种子选手-2。 一半华人血统 我国诺奖得主+0.5 今年诺贝尔物理、化学奖都跟人工智能联系起来了 说不定，30年后获得诺贝尔奖的居然是某个AI大模型。 AI获文学奖指日可待 huangpu09 发表于 2024-10-9 18:28
一公颜妹妹解析那么多蛋白质都没获奖
让你伤心了吧:lol 国内应该有不少David Baker组里出来的吧 物理奖和化学奖合起来，就是在昭示AI for science时代的到来
靠蛋白解析这条路功成名就，走不通了，
但毕竟天朝99%的人也不知道啊，
而且他和她该拿的都拿了，无所谓！ 理综科目不该取消，现在纯的诺奖越来越少:(。 85年这哥们在中国，估计还来得及排队杰青 颜妹妹前年还瞧不起AlphaFold，结果别人今年拿炸药奖 kissingfire 发表于 2024-10-9 19:18
靠蛋白解析这条路功成名就，走不通了，
但毕竟天朝99%的人也不知道啊，
而且他和她该拿的都拿了，无所谓！ ...
这几年买冷冻电镜的高校哭晕在厕所，发CNS希望大降，仪器又买在高点 电镜是否没用了？ Hassabis，阿尔法狗打败李世石时我就预言他能获得诺奖。 greenland 发表于 2024-10-9 23:01
Hassabis，阿尔法狗打败李世石时我就预言他能获得诺奖。
不是图灵奖？ yuquanshan 发表于 2024-10-9 19:01
AI获文学奖指日可待
文心一言 三墩农民 发表于 2024-10-9 19:33
85年这哥们在中国，估计还来得及排队杰青
如果报了颜阿姨大腿，估计早就上杰青了
页:
[1]
2